Esta semana PubMed y eLife entregaron tres estudios que, juntos, cuentan una historia sobre cómo el cerebro organiza su actividad a escala de poblaciones: corteza sensoriomotora de ratón donde 39,000 neuronas forman subpoblaciones entremezcladas que cruzan los límites anatómicos, múltiples áreas del cerebro del macaco procesando movimiento propio con dinámicas poblacionales distintas por área, y corteza auditiva que distingue —a nivel de neurona individual— si un movimiento lo generó el propio animal o lo provocó un sonido. Tres artículos con revisión por pares, de eLife y Journal of Neuroscience.
Salimian, Grier y Kaufman (Universidad de Chicago) registraron la actividad de casi 39,400 neuronas individuales en la corteza sensoriomotora del ratón usando calcium imaging de dos fotones —una técnica en la que un indicador fluorescente basado en calcio, GCaMP8s, brilla cuando las neuronas se activan, permitiendo filmarlas como si fueran pixeles en una película en vivo. Los ratones realizaban una tarea de agarre guiada hacia 15 posiciones distintas, y las neuronas de capas 2/3 de cinco regiones corticales (M2, M1, S1 de extremidad anterior, hindlimb y tronco) se fotografiaron en 98 campos visuales diferentes. El hallazgo central: las neuronas no se distribuyen de forma homogénea dentro de cada área — forman cuatro subpoblaciones con perfiles de respuesta distintos, y esas subpoblaciones cruzan los límites anatómicos y se mezclan tipo "sal y pimienta" en las zonas de traslape.
Para caracterizar cada neurona, los autores extrajeron cinco métricas interpretables de los perfiles de actividad peri-evento (PETHs): duración de la respuesta, variación del pico temporal entre blancos, agudeza de sintonización, linealidad del código respecto a la posición espacial del blanco, y persistencia de la sintonización. Con estas cinco dimensiones, aplicaron t-SNE y Modelos de Mezcla Gaussiana (GMM) para identificar los grupos. Los gradientes de cada métrica mostraron transiciones abruptas alineadas con fronteras anatómicas y somatotópicas, pero las subpoblaciones en sí atraviesan esas mismas fronteras — M1 resultó ser la zona de máxima superposición entre subpoblaciones, lo que es consistente con su rol integrador entre señales top-down de M2 y bottom-up de S1.
¿Por qué importa?
Para estudiantes: Cuando diseñas un BCI (interfaz cerebro-computadora) para controlar una prótesis de brazo, necesitas saber qué tipos de neuronas estás registrando con cada electrodo. Este estudio muestra que en un solo milímetro de corteza motora conviven neuronas de subpoblaciones funcionalmente distintas, mezcladas — lo que cambia cómo interpretas los datos de un electrodo de registro y cómo optimizas su posición.
Para investigadores: La coincidencia entre los límites de gradiente de métricas PETH y los bordes anatómicos/somatotópicos — junto con la distribución área-abarcadora de las subpoblaciones GMM — sugiere que los límites funcionales y los límites de red recurrente no son la misma cosa. Esto tiene implicaciones directas para modelos de comunicación inter-área basados en subsuperespacios de comunicación.
Zeng, Shi, Chen y Zaidel registraron la actividad de poblaciones neuronales en tres cortezas del macaco relacionadas con la percepción del propio movimiento: VIP (corteza intraparietal ventral), MSTd (parte dorsal del área temporal superior medial) y PIVC (corteza parietoinsular vestibular), mientras seis monos realizaban una tarea de discriminación de dirección de movimiento. El cerebro integra información de dos sentidos para esto: el sistema visual (lo que ves moverse a tu alrededor) y el sistema vestibular (los canales semicirculares del oído interno, que detectan aceleración y velocidad angular de la cabeza). Las tres áreas reciben ambas señales, pero las combinan de formas radicalmente distintas.
Para revelar estas diferencias, los autores desarrollaron un nuevo método de reducción de dimensionalidad variante en el tiempo (tv-TDR), una extensión de la reducción de rango reducido que extrae, en cada momento del ensayo, qué señales dominan la actividad poblacional. El resultado es que VIP exhibe todos los componentes —velocidad y aceleración visual y vestibular— más señales de elección que emergen muy temprano y persisten hasta que el animal reporta su decisión. MSTd codifica principalmente velocidad visual, con señales vestibulares débiles. PIVC es predominantemente vestibular. Y mientras las señales de movimiento son simétricas entre modalidades en VIP, las señales de elección son marcadamente asimétricas: VIP las genera mucho antes que MSTd o PIVC.
¿Por qué importa?
Para estudiantes: Este trabajo revela cómo el cerebro del primate "decide" hacia dónde se mueve antes de reportarlo conscientemente: las señales de elección en VIP aparecen y se sostienen desde el principio del estímulo. Para quienes estudian BCIs de toma de decisiones, esto indica en qué área y en qué momento buscar señales decodificables para anticipar la respuesta del sujeto.
Para investigadores: La tv-TDR permite separar señales dinámicas de velocidad y aceleración por modalidad sensorial en el mismo recording, algo que los métodos estáticos de reducción de dimensionalidad no pueden hacer. El método es generalizable a cualquier dataset multiárea con señales sensoriales temporalmente estructuradas.
Zimmer-Harwood, Picard, King y Dahmen (U Oxford) registraron la actividad de neuronas individuales en la corteza auditiva de ratones mientras rastreaban los movimientos de bigotes (whisking) —movimientos finos y rítmicos de las vibrisas faciales que los ratones usan para explorar el entorno. El experimento reveló algo inesperado: el mismo movimiento de bigotes modula la corteza auditiva de forma radicalmente distinta dependiendo de si el ratón se movió espontáneamente o si fue un tono puro el que desencadenó el movimiento. Un subconjunto de neuronas que respondía claramente durante el whisking espontáneo no respondía —o respondía de forma opuesta— cuando el mismo movimiento era provocado por un sonido.
Los autores encontraron que tonos moderadamente intensos (80 dB SPL) dentro del rango de mayor sensibilidad auditiva del ratón desencadenan movimientos de bigotes de manera confiable, y estos son físicamente casi idénticos a los espontáneos. Aun así, las poblaciones neuronales en A1 los trataron de forma distinta, lo que implica que la corteza auditiva recibe información adicional —probablemente una copia eferente, es decir, una copia interna de la señal motora que el cerebro envía a los músculos— que le indica si el movimiento fue de origen interno o externo. La modulación de neuronas auditivas por movimiento no refleja, por tanto, solo el movimiento en sí, sino su contexto causal.
¿Por qué importa?
Para estudiantes: Esto tiene implicaciones directas para el diseño de neuroprótesis auditivas y sistemas de supresión de ruido de movimiento en BCIs: no basta con modelar cuánto se mueve el sujeto —hay que modelar por qué se movió, porque la corteza ya lo sabe. En señal, el equivalente sería que un filtro de artefacto de movimiento necesita contexto, no solo amplitud.
Para investigadores: El hallazgo de que la distinción opera a nivel de neurona individual —no solo en promedio poblacional— sugiere que las señales corolarias que llegan a A1 son lo suficientemente específicas para modular selectivamente subconjuntos de células. Esto refinará los modelos de supresión sensoriomotora y abre preguntas sobre las fuentes anatómicas de esas señales corolarias en roedores.
La semana tuvo una tendencia clara: el registro masivo a resolución celular sigue revelando que la organización funcional del cerebro no respeta los límites anatómicos que décadas de ciencia dieron por sentados. Ya sea en corteza sensoriomotora de ratón, en áreas multisensoriales del macaco o en corteza auditiva, las poblaciones neuronales codifican información de formas que solo se hacen visibles cuando se registra a escala suficiente y con herramientas computacionales que van más allá del análisis neurona por neurona. Todos los artículos citados fueron recuperados de PubMed y eLife.
Esta semana PubMed y eLife entregaron tres estudios que, juntos, cuentan una historia sobre cómo el cerebro organiza su actividad a escala de poblaciones: corteza sensoriomotora de ratón donde 39,000 neuronas forman subpoblaciones entremezcladas que cruzan los límites anatómicos, múltiples áreas del cerebro del macaco procesando movimiento propio con dinámicas poblacionales distintas por área, y corteza auditiva que distingue —a nivel de neurona individual— si un movimiento lo generó el propio animal o lo provocó un sonido. Tres artículos con revisión por pares, de eLife y Journal of Neuroscience.
Salimian, Grier y Kaufman (Universidad de Chicago) registraron la actividad de casi 39,400 neuronas individuales en la corteza sensoriomotora del ratón usando calcium imaging de dos fotones —una técnica en la que un indicador fluorescente basado en calcio, GCaMP8s, brilla cuando las neuronas se activan, permitiendo filmarlas como si fueran pixeles en una película en vivo. Los ratones realizaban una tarea de agarre guiada hacia 15 posiciones distintas, y las neuronas de capas 2/3 de cinco regiones corticales (M2, M1, S1 de extremidad anterior, hindlimb y tronco) se fotografiaron en 98 campos visuales diferentes. El hallazgo central: las neuronas no se distribuyen de forma homogénea dentro de cada área — forman cuatro subpoblaciones con perfiles de respuesta distintos, y esas subpoblaciones cruzan los límites anatómicos y se mezclan tipo "sal y pimienta" en las zonas de traslape.
Para caracterizar cada neurona, los autores extrajeron cinco métricas interpretables de los perfiles de actividad peri-evento (PETHs): duración de la respuesta, variación del pico temporal entre blancos, agudeza de sintonización, linealidad del código respecto a la posición espacial del blanco, y persistencia de la sintonización. Con estas cinco dimensiones, aplicaron t-SNE y Modelos de Mezcla Gaussiana (GMM) para identificar los grupos. Los gradientes de cada métrica mostraron transiciones abruptas alineadas con fronteras anatómicas y somatotópicas, pero las subpoblaciones en sí atraviesan esas mismas fronteras — M1 resultó ser la zona de máxima superposición entre subpoblaciones, lo que es consistente con su rol integrador entre señales top-down de M2 y bottom-up de S1.
¿Por qué importa?
Para estudiantes: Cuando diseñas un BCI (interfaz cerebro-computadora) para controlar una prótesis de brazo, necesitas saber qué tipos de neuronas estás registrando con cada electrodo. Este estudio muestra que en un solo milímetro de corteza motora conviven neuronas de subpoblaciones funcionalmente distintas, mezcladas — lo que cambia cómo interpretas los datos de un electrodo de registro y cómo optimizas su posición.
Para investigadores: La coincidencia entre los límites de gradiente de métricas PETH y los bordes anatómicos/somatotópicos — junto con la distribución área-abarcadora de las subpoblaciones GMM — sugiere que los límites funcionales y los límites de red recurrente no son la misma cosa. Esto tiene implicaciones directas para modelos de comunicación inter-área basados en subsuperespacios de comunicación.
Zeng, Shi, Chen y Zaidel registraron la actividad de poblaciones neuronales en tres cortezas del macaco relacionadas con la percepción del propio movimiento: VIP (corteza intraparietal ventral), MSTd (parte dorsal del área temporal superior medial) y PIVC (corteza parietoinsular vestibular), mientras seis monos realizaban una tarea de discriminación de dirección de movimiento. El cerebro integra información de dos sentidos para esto: el sistema visual (lo que ves moverse a tu alrededor) y el sistema vestibular (los canales semicirculares del oído interno, que detectan aceleración y velocidad angular de la cabeza). Las tres áreas reciben ambas señales, pero las combinan de formas radicalmente distintas.
Para revelar estas diferencias, los autores desarrollaron un nuevo método de reducción de dimensionalidad variante en el tiempo (tv-TDR), una extensión de la reducción de rango reducido que extrae, en cada momento del ensayo, qué señales dominan la actividad poblacional. El resultado es que VIP exhibe todos los componentes —velocidad y aceleración visual y vestibular— más señales de elección que emergen muy temprano y persisten hasta que el animal reporta su decisión. MSTd codifica principalmente velocidad visual, con señales vestibulares débiles. PIVC es predominantemente vestibular. Y mientras las señales de movimiento son simétricas entre modalidades en VIP, las señales de elección son marcadamente asimétricas: VIP las genera mucho antes que MSTd o PIVC.
¿Por qué importa?
Para estudiantes: Este trabajo revela cómo el cerebro del primate "decide" hacia dónde se mueve antes de reportarlo conscientemente: las señales de elección en VIP aparecen y se sostienen desde el principio del estímulo. Para quienes estudian BCIs de toma de decisiones, esto indica en qué área y en qué momento buscar señales decodificables para anticipar la respuesta del sujeto.
Para investigadores: La tv-TDR permite separar señales dinámicas de velocidad y aceleración por modalidad sensorial en el mismo recording, algo que los métodos estáticos de reducción de dimensionalidad no pueden hacer. El método es generalizable a cualquier dataset multiárea con señales sensoriales temporalmente estructuradas.
Zimmer-Harwood, Picard, King y Dahmen (U Oxford) registraron la actividad de neuronas individuales en la corteza auditiva de ratones mientras rastreaban los movimientos de bigotes (whisking) —movimientos finos y rítmicos de las vibrisas faciales que los ratones usan para explorar el entorno. El experimento reveló algo inesperado: el mismo movimiento de bigotes modula la corteza auditiva de forma radicalmente distinta dependiendo de si el ratón se movió espontáneamente o si fue un tono puro el que desencadenó el movimiento. Un subconjunto de neuronas que respondía claramente durante el whisking espontáneo no respondía —o respondía de forma opuesta— cuando el mismo movimiento era provocado por un sonido.
Los autores encontraron que tonos moderadamente intensos (80 dB SPL) dentro del rango de mayor sensibilidad auditiva del ratón desencadenan movimientos de bigotes de manera confiable, y estos son físicamente casi idénticos a los espontáneos. Aun así, las poblaciones neuronales en A1 los trataron de forma distinta, lo que implica que la corteza auditiva recibe información adicional —probablemente una copia eferente, es decir, una copia interna de la señal motora que el cerebro envía a los músculos— que le indica si el movimiento fue de origen interno o externo. La modulación de neuronas auditivas por movimiento no refleja, por tanto, solo el movimiento en sí, sino su contexto causal.
¿Por qué importa?
Para estudiantes: Esto tiene implicaciones directas para el diseño de neuroprótesis auditivas y sistemas de supresión de ruido de movimiento en BCIs: no basta con modelar cuánto se mueve el sujeto —hay que modelar por qué se movió, porque la corteza ya lo sabe. En señal, el equivalente sería que un filtro de artefacto de movimiento necesita contexto, no solo amplitud.
Para investigadores: El hallazgo de que la distinción opera a nivel de neurona individual —no solo en promedio poblacional— sugiere que las señales corolarias que llegan a A1 son lo suficientemente específicas para modular selectivamente subconjuntos de células. Esto refinará los modelos de supresión sensoriomotora y abre preguntas sobre las fuentes anatómicas de esas señales corolarias en roedores.
La semana tuvo una tendencia clara: el registro masivo a resolución celular sigue revelando que la organización funcional del cerebro no respeta los límites anatómicos que décadas de ciencia dieron por sentados. Ya sea en corteza sensoriomotora de ratón, en áreas multisensoriales del macaco o en corteza auditiva, las poblaciones neuronales codifican información de formas que solo se hacen visibles cuando se registra a escala suficiente y con herramientas computacionales que van más allá del análisis neurona por neurona. Todos los artículos citados fueron recuperados de PubMed y eLife.
Empiece a escribir aquí...